大厂需要什么样的数据分析师?
随着数据分析岗位的正规化,很多新人也进入到这个行业中来,一些从业者明显感觉到了压力。
从最新的岗位JD上,也能看出,从SQL、Python到建模分析、Tableau,对数据分析岗位的要求,是越来越高了。
数据分析师到底要掌握什么样的能力?我们要如何适应新的要求,避免被淘汰?
今天我们就来好好聊聊。
纵览各大公司的需求,我发现,一个优秀的数据分析师,必须具备三方面的能力:
1. 数据分析技能
一般来说,数据分析所用到的技能主要有这7种:
1)统计分析: 数据分析的基石,以更科学的角度看待数据,接近背后的“真相”。
2)可视化辅助工具: Excel、BI工具、Python
3)大数据处理框架: Hadoop、Storm、Spark
4)数据库: SQL、MySql、DB
5)数据仓库: SSIS、SSAS
6)数据挖掘工具: Matlab、R语言、Python
7)挖掘算法: 数据结构、一致性
当然,业务线不同,行业不同,常用的工具类型也不一样。但最基础的,肯定是Excel、SQL、Python三件套。
2. 独到的分析思维和表达
一份数据分析报告不是简单描述事件什么时候发生、如何发生,而是要根据数据结论,去告诉业务组或者领导,如何去优化,之后会往什么方向走,怎么提升业绩。
也就是说,有了数据,还要知道怎么分析,所以一定要有一套完整的数据分析方法论,起码知道出了异常怎么排查,在哪埋点做A/B Test,如何建立长效统计模型等。
当然,有了分析结论之后,如何表达,如何让业务部门读懂看懂,就需要通过熟练运用各种图表、可视化工具,包括PPT等去生成一个优秀的报告。
3. 深刻的业务认知
只有拓宽眼界,既了解行业实际,又抓住业务本质,才能提出有建设性的意见给运营、产品、领导,才能优化流程,提升业务表现。
这一点其实才是数据分析师的价值所在,很多数据分析师之所以遇到瓶颈,薪资上不去,职级不提升,成了人肉取数机,就是因为缺乏业务认知。
技能决定的是你的下限,而业务和思维则决定了你的上限。
以上三个素质,其实也是初级、中级、高级数据分析师的三个分水岭。
底层数据分析师,或者说数据专员,基本上等同于跑数工具人。工具可能用的很熟练,但是只会给别人处理需求,业务觉得哪里有异常,就跑哪里的数据。
中级一点的数据分析师,这时候可能已经是部门的leader了,可以独立解决一些问题,如当日UV下滑,转化率不高的处理等,可以通过用户画像、问题假设等方法,定位原因并解决。
更高级的数据分析师,一般是专家级或者业务线负责人的级别,不光能描述事情为什么发生,产生了什么影响,更能通过深刻的业务认知,预测业务的走向,指导如何提升业绩。
这三种数据分析师给公司提供的价值一目了然,也自然是越高级的越受重视,越不会被淘汰。
如果你还是处于最底层或者中级的数据分析岗,那我必须提醒你,不要停留在自己的舒适区,不要让自己被更廉价的新人取代!
如何掌握这三种素质,晋升高级数据分析师?
工具还比较好入门,但思维和业务认知都是建立在大量的项目经验,还有深厚的技术积累的基础上的。
有人说,我现在就是一个小公司的数据分析专员,平时光处理业务的需求就焦头烂额,也接触不到完整的业务,更不要提拆解、分析了,怎么去学习提升?
我不建议你直接去自学,一是学不到专业的知识架构,以及行业最需要的技能。二是不能接触真实业务,学了也没用。
如果想要系统学习却不知道如何开始,强烈推荐你了解这门数据分析系统提升课程--《数据分析 · 就业班》,多位大厂数据分析高管结合10多年的数据分析经验,联手互联网一线企业HRBP求职辅导,相信能给你带来不小的启发。
课程大纲:(上下滑动查看)
数据分析就业班
(上下滑动查看)
想了解老师课程排期/更多课程详情服务
扫码添加顾问老师咨询
👇
- END -